StartseiteFörderungProjekteVerbundprojekt NextG-Climate Science-ROADMAP, Teilprojekt 2: Empirische Prozessinferenz für gekoppelte Ozean-Atmosphäre-Variabilität und Extremereignisse (INFERENCE)

Verbundprojekt NextG-Climate Science-ROADMAP, Teilprojekt 2: Empirische Prozessinferenz für gekoppelte Ozean-Atmosphäre-Variabilität und Extremereignisse (INFERENCE)

Laufzeit: 01.06.2020 - 31.10.2024 Förderkennzeichen: 01LP2002B
Koordinator: Hochschule Magdeburg-Stendal (FH) - Fachbereich Wasser, Umwelt, Bau und Sicherheit

ROADMAP untersucht den Einfluss der nordatlantischen und nordpazifischen Ozeanoberflächen-Variabilität auf die extratropische atmosphärische Zirkulation, mit einem Fokus auf Wetterereignissen mit gravierenden Auswirkungen, insbesondere klimatischen Extremereignissen unter gegenwärtigen und zukünftigen Klimabedingungen. Konkrete Fragen betreffen: - Auswirkungen von Veränderungen der Ozeanzirkulation auf Meeresoberflächen-Temperaturen (SST), - die künftige Entwicklung westlicher Randströmungen und ihrer Verlängerungen (wie bspw. des Golfstroms), - extratropische Ozean-Atmosphäre-Wechselwirkungen, welche Jetströmungen, Zyklonen und Blockinglagen sowie deren Verbindungen mit Extremwetterlagen kontrollieren, - Auswirkungen tropischer SST-Anomalien (z.B. El Nino-Ereignisse) auf die extratropische atmosphärische Zirkulation, - die Rolle von SST und arktischem Meereis beim Entstehen ausgeprägter atmosphärischer Extremereignisse wie Hitzewellen, inklusive gekoppelter Extremereignisse, - die Intensität und Häufigkeit mediterraner mesoskalischer Zyklonen (u.a. Medicanes), - Wechselwrikungen zwischen ozeanischen und atmosphärischen Variabilitätsmoden. ROADMAP nutzt hierfür umfangreiche Modellsimulationen aus verschiedenen internationalen Forschungsprogrammen sowie zielgerichtete Modellexperimente unter Verwendung fortgeschrittener numerischer Techniken auf Basis von Datenassimilation und interaktiver Ensemble-Modellierung. Die hierauf aufbauenden Analysen basieren auf modernen dynamischen und statistischen Verfahren sowie Techniken des Maschinellen Lernens, welche die Identifikation komplexer, nichtlinearer Wechselwirkungen erlauben. Die Entwicklung und Anwendung dieser Techniken steht im Zentrum des Teilprojekts ROADMAP-INFERENCE. ROADMAP verwendet einen Multi-Modell-Ansatz, was entscheidend ist für die realistische Abschätzung von Unsicherheiten. Die Ergebnisse werden über Fachgrenzen hinaus an Stakeholder, Anwender und die breite Öffentlichkeit kommuniziert.

Verbund: NextG-Climate Science-ROADMAP Quelle: Bundesministerium für Bildung und Forschung (BMBF) Redaktion: DLR Projektträger Länder / Organisationen: Belgien Frankreich Irland Italien Norwegen Portugal Themen: Förderung Umwelt u. Nachhaltigkeit

Weitere Informationen

Projektträger